资源描述：
《subbsvfs20常用参数详解》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、最大树形深度：用来表现场景的框架结构，数值加大会使渲染速度变快，但是也会占用内存较多。（适合内存大的用户）最小叶片尺寸：用来表现场景的真实三角面，0表示计算所有的叶节点，默认值就可以了，参数对渲染速度影响不大面/级别系数：控制一个节点中最大三角面的数量，当没有超过临近点时，渲染速度较快，超过临近点后，渲染速度减慢。动态内存限制：动态内存是分配给了每个线程，如果是双线程，那么每个线程就占一半的动态内存，这个数值如果给的太小，就会减慢渲染速度，一半根据自己的内存情况给默认几何体：控制内存的使用方法，VR提供了3种方
2、式静态：渲染中使用静态内存会让渲染速度加快，但是适用于不太复杂的场景。动态：动态内存的渲染速度比静态内存要慢，但是对于面数过多的复杂场景，会出现3D跳出问题的场景，就需要使用动态内存了。动态内存使用资源交换技术，渲染完一个快后，就会释放这个快占用的内存资源，同时开始计算下一个快。自动：VR会根据内存的使用情况，自动调整静态和动态模式X-Y数值：这里是渲染快的大小，但是都必须是2的倍数,例如：64 128 256 512 等等区域排序：渲染快的渲染走向，根据个人习惯，我喜欢看着它们从上到下的走景深：主要用来模拟摄
3、影机的景深效果光圈:光圈数值越小,景深越大,图像较为清晰;光圈数值越大,景深越小,图像越模糊中心偏移:控制模糊效果的中心位置 0表示:从物体边缘均匀的向两边模糊 正数值表示:模糊中心向物体的内部偏移. 负数值表示:模糊中心向物体的外部偏移替代焦距:相机到焦点的距离,焦点处的物体是最清晰的叶片数:模拟相机光圈的多边形形状,比如:数值6就代表6边形旋转:光圈多边形形状的旋转各向异性:控制光圈多边形的各向异性,数值越大,形状越扁细分:控制景深效果的品质GI(天
4、光覆盖)：天光的理解:太阳光直射到地球上,地球表面进行了光的1次反射后,进入大气层,进行光的2次反射后漫射下来的光.天光:均匀柔和间接照明天光需要开启GI全局照明后才能体现.天光多应用于:半开放场景,有室外环境参与的场景时候需要开启.有大型落地窗的场景.天光无需应用于:封闭的空间,或场景中只有一个窗子,并且有耀眼的阳光从窗户中照射进来的环境.夜景同样无需开启天光.勾选后,可以打开VR的天光.默认的环境面板中的天光将不起作用了.颜色:天光的颜色.调整天光的亮度,数值越大.亮度越高(如果场景中使用的是VR的摄像机,
5、这个数值可以给高一些)贴图通道:可以给天光添加不同的贴图来模拟光照,需要注意的是.添加贴图后,环境颜色和倍增值就无法使用了.贴图通道内多添加VRHDR贴图和位图贴图HDR贴图需要实例给材质球,在进行调整.位图贴图的优势是可以查阅缩略图图像采样器有三种不同的类型,可以根据不同的需要来选择,选择不同的采样类型后,控制面板的参数会跟随变化.图像采样器的作用是提取需要抗锯齿采样的模型的样本模式,具体的平滑效果是靠"抗锯齿过滤器"来提供的.采样器和过滤器配合使用才能使抗锯齿效果达到完美类型:固定比率：对每个像素使用一个固
6、定的细分值适用建筑建模的渲染或高精度渲染初期的测试使用.在测试的时候应用固定类型,细分给1,是最快的采样方法细分:假设将这里的细分值调整到2,并不是常规理解上的将一个像素采样2次,它是根据蒙特卡罗的序列进行采样,计算方法是一个更加复杂的方法.作为测试阶段常用的参数值都是1,作为出图的话,一般给到5就可以了,参数给的太大,渲染时间将成倍增加,并且渲染效果未必会很好.类型:自适应DMC（确定性蒙特卡洛）采样器会自动寻找像素之间的亮度差异,根据亮度差异,产生不同的样本数量,会在亮度差异较大的位置使用较高的采样数量,在
7、像素亮度差异平坦部分使用较低的样本数量.(可以想象亮度差异是一个类似心电图一样的峰值表)自适应确定性蒙特卡洛采样器的主要参数:minsubdiv(最小细分)和max subdiv(最大细分)的取值比是minsubdiv(最小细分)=1 max subdiv(最大细分)>=4适用在处理复杂的,需要较高细节的,不计较渲染时间的场景时运用,例如场景模型复杂多变有大量的植物时,并且要求渲染的细节度和真实度较高的时候.一般应用在有复杂模型,大量植物模糊效果和对渲染质量要求高并且不计较渲染时间的场景中.室内效果图应用最多
8、的.最小细分:每个像素的最小采样次数.主要用在对角落地方的采样,值越大,品质越高,图边线的抗锯齿越好,渲染速度越慢.最大细分:每个像素的最大采样次数.主要用在对平坦地方的采样,值越大,品质越高,速度越慢,一般在渲染商业图时(室外),数值给的相对较低,节约渲染时间.颜色阀值:色彩灰度的最小判断值,用来区分平坦地区和亮度差异较大地区.数值越大,图像噪点越多,渲染时间越短,值越小,图像越清晰
